近年来随着我国人口老龄化、国家三孩政策的颁布、新冠肺炎疫情的突然爆发,致使人们投入了更多的目光于身体健康,对医药产品需求增加的同时对医药产品质量的要求以及对医药制造类上市公司的期望也越来越高,医药制造类企业在我们的日常生活中扮演着越来越重要的角色。国家医保费控政策、GMP准则的颁布、合资企业的进入等外部环境的变化在带给我国医药制造类公司飞速发展的同时也使我国制药企业的财务风险管理压力越来越大。医药制造行业因为其研发周期长、研发风险较大、资金需求量较大等原因使其财务风险远高于其他行业。设计并运用切合企业自身情况的财务风险预警模型可以帮助制药企业尽早发现风险,为其平稳发展保驾护航。因此,建立适合于我国医药制造行业的财务预警模型对该行业的健康稳定发展有着重要意义。本论文的主要研究目的是依托机器学习算法设计出适用于我国医药制造领域的财务风险预警模型。首先,本文在阅读并整理了大量相关文献的基础上,阐述国内外财务风险、预警模型及医药制造行业财务预警相关研究现状,其次,介绍财务风险的定义、成因,财务风险预警的定义及六种财务风险预警经典模型的原理和优缺点。接下来结合作者的实习经历,分析医药制造业的行业特征以及该行业所面临的财务风险特征。随后,按照配对原则选取2016年至2021年国内A股相近资产规模的156家医药上市公司数据作为研究对象,运用PCA技术对初选的30个样本指标降维,将其浓缩为7个具有代表性的指标并组成指标体系。然后,将样本数据分为训练组和测试组,在MATLAB软件中导入训练组数据构建了以RBF为核函数的SVM模型以及一个7-9-2的BP神经网络模型。在此基础上,运用划分出的20家测试组的数据对这两个模型进行了验证。结果显示,本文训练的BP神经网络模型对我国医药制造企业的财务风险预警中达到了95%的预测精度,而以RBF为核函数的SVM财务风险预警模型达到了90%的预测精度。通过对比两种模型发现在该领域内BP神经网络具有较高的预测精度和较低的错误率。最后,将训练好模型应用于HY案例公司,将HY公司的真实数据输入训练好的财务风险预警模型进行仿真实验,结合HY公司的发展历程与现状,对比其财务数据,二次验证了该模型准确性,发现了公司潜在的财务风险并提出了相应的改进措施。